베이지안 최적화 기반 전력 부하 예측

Interpretable short-term electric load forecasting based on Bayesian Optimization for AM-CNN-KAN

Chunyu Qu, Jinfu Teng, Jiawei Zhang 외 1인·Energy Reports·발표 2026.08· 0 인용

한국어 핵심 요약

전력 시스템 계획의 복잡성이 증대됨에 따라, 본 연구는 딥러닝 기반의 단기 전력 부하 예측 모델을 제안한다. KAN(Kolmogorov Arnold Networks)과 CNN(Convolutional Neural Networks)을 결합하고 베이지안 최적화 및 멀티 헤드 어텐션 메커니즘을 적용한 하이브리드 예측 모델 AM-CNN-KAN을 개발했다. AM-CNN-KAN 모델은 기존 모델 대비 MAE, MSE, RMSE, MAPE 성능 지표를 각각 0.072%, 7.52%, 2.44%, 1.23%, 7.10% 개선했다. 또한, 이 모델은 하이퍼파라미터의 적응적 최적화 기능과 우수한 안정성을 보인다. 나아가, 신경망 기반 전력 부하 예측의 고질적인 블랙박스 문제를 해결하기 위해 SHAP(SHapley Additive exPlanations) 모델을 추가하여 예측 결과에 대한 해석 가능성을 높였다.

섹션 미리보기

연구 배경

전력 시스템 계획의 난이도가 지속적으로 증가함에 따라, 딥러닝 기반의 정교한 부하 예측 모델이 필수적이다. 기존 모델의 한계를 극복하고 예측 정확도를 높이는 것이 중요한 과제이다.

핵심 발견

본 연구에서 제안하는 AM-CNN-KAN 모델은 기존 모델 대비 예측 정확도를 크게 향상시켰다. 특히, SHAP 모델을 통해 예측 과정의 해석 가능성을 확보하여 신경망의 블랙박스 문제를 해결했다.

전체 8개 섹션 분석

내가 읽고 있는 논문도 이렇게 정리해드릴게요

연구 배경 · 방법론 · 결과 · 한계점까지 8개 섹션 풀 분석. PDF 업로드 한 번이면 끝.

내 논문 분석하기

베이지안 최적화 기반 전력 부하 예측

연구 배경

핵심 발견

내가 읽고 있는 논문도 이렇게 정리해드릴게요

관련 전기·전자공학 논문

기포탑 국부 가스 홀드업 감시를 위한 재구성 없는 EIT

PEM 연료전지 전도도 매핑을 위한 EIT

전력 도난 탐지: 머신 vs 딥러닝

콜로이드 2D 세슘 비스무트 브로마이드 나노결정 성장